使用 plyr 按类别计算最频繁的级别答案

【问题标题】：Calculating most frequent level by category with plyr使用 plyr 按类别计算最频繁的级别
【发布时间】：2013-03-02 10:12:47
【问题描述】：

我想用 plyr 使用下面的代码按类别计算最常见的因子水平。数据框b 显示了请求的结果。为什么c$mlevels 的值只有“numeric”？

require(plyr)
set.seed(0)
a <- data.frame(cat=round(runif(100, 1, 3)),
                levels=factor(round(runif(100, 1, 10))))
mode <- function(x) names(table(x))[which.max(table(x))]
b <- data.frame(cat=1:3,
                mlevels=c(mode(a$levels[a$cat==1]),
                       mode(a$levels[a$cat==2]),
                       mode(a$levels[a$cat==3])))
c <- ddply(a, .(cat), summarise,
           mlevels=mode(levels))

【问题讨论】：

标签： r plyr

【解决方案1】：

当您使用summarise 时，plyr 在检查base 中的函数之前似乎“看不到”全局环境中声明的函数：

我们可以使用 Hadley 方便的 pryr 包检查这一点。您可以通过以下命令安装它：

library(devtools)
install_github("pryr")


require(pryr)
require(plyr)
c <- ddply(a, .(cat), summarise, print(where("mode")))
# <environment: namespace:base>
# <environment: namespace:base>
# <environment: namespace:base>

基本上，它不读取/知道/查看您的 mode 函数。有两个选项。第一个是@AnandaMahto 的建议，我也会这样做，并建议你坚持下去。另一种选择是不使用 summarise 并使用 function(.) 调用它，以便“看到”全局环境中的 mode 函数。

c <- ddply(a, .(cat), function(x) mode(x$levels))
#   cat V1
# 1   1  6
# 2   2  5
# 3   3  9

为什么会这样？

c <- ddply(a, .(cat), function(x) print(where("mode")))
# <environment: R_GlobalEnv>
# <environment: R_GlobalEnv>
# <environment: R_GlobalEnv>

因为正如您在上面看到的，它会读取您位于 global environment 中的函数。

> mode # your function
# function(x)
#     names(table(x))[which.max(table(x))]
> environment(mode) # where it sits
# <environment: R_GlobalEnv>

相对于：

> base::mode # base's mode function
# function (x) 
# {
#     some lines of code to compute mode
# }
# <bytecode: 0x7fa2f2bff878>
# <environment: namespace:base>

Here's an awesome wiki environments 来自 Hadley，如果您有兴趣进一步阅读/探索它。

【讨论】：

+1，这比我的答案好多。我懒得去探索 plyr 在哪里寻找“模式”，所以我只是重命名并简化了它。
感谢您的回答，它正在工作。我试着总结一下：模式已经存在于全局环境中，因此 plyr 正在使用我提供的模式功能。
@user2126360, mode 存在于base。
不。您的功能存在于全球环境中。但是summarise“看到”了一个不同的mode，默认情况下是base。这就是为什么@AnandaMahto 在他的编辑中解释说，使用 R 中已经使用的所有默认名称是不明智的，因为您的代码更有可能被破坏。
另见here函数：ddply(a, .(cat), here(summarise), mlevels=mode(levels))。文档中的解释应该会有所帮助。

【解决方案2】：

您在示例中几乎只使用了现有函数名称：levels、cat 和 mode。通常，这不会造成太大问题——例如，调用 data.frame "df" 不会破坏 R 的 df() 函数。但它几乎总是会导致代码更加模棱两可或令人困惑，而在这种的情况下，它会让事情“崩溃”。 Arun 的回答很好地说明了原因。

您可以通过重命名“模式”函数轻松解决问题。在下面的示例中，除了重命名它之外，我还对其进行了一些简化，并且它可以按您的预期工作。

Mode <- function(x) names(which.max(table(x)))
ddply(a, .(cat), summarise,
      mlevels=Mode(levels))
#   cat mlevels
# 1   1       6
# 2   2       5
# 3   3       9

当然，有一个非常麻烦的解决方法：使用get 并指定搜索函数的位置。

> mode <- function(x) names(table(x))[which.max(table(x))]
> ddply(a, .(cat), summarise, mlevels = get("mode", ".GlobalEnv")(levels))
  cat mlevels
1   1       6
2   2       5
3   3       9

【讨论】：